西安一次强局地突发暴雨成因研究

2020年7月10日西安市出现了一次突发性强局地暴雨过程。本文利用自动站资料、常规气象探测资料、卫星和雷达资料,对该过程进行了分析,结果表明:(1))此次暴雨雨强大、来势猛、历时短和局地性强,成因复杂和预报难度大,极易引发城区洪涝和道路积水严重;(2)此次暴雨影响系统为高空冷涡后部的干冷空气,东移南下短波槽,低层切变辐合,偏南暖湿气流快速增强和地面辐合线;(3)由于低层辐合切变线狭窄,移速快速,大气整层水汽突增,辐合强,上升运动发展高度高, 有利于中尺度对流系统的维持发展而产生强对流强降水;(4) 云图上TBB低于-46℃的多个中尺度云团随着引导气流向东移动合并迅速发展,雷达回波强度达到45 --55 dBz,并配合速度图上500 hPa切变东侧和700 hPa东南气流前方的风速辐合,对此次暴雨有明显的预报指示意义,随着回波块结构逐渐松散,中心强度逐渐减弱,降水随之减弱结束。

西安市区(县)气象局互联网接入方案优化设计

结合西安市区（县）气象局的的实际情况,采用专线接入和ADSL拨号式两种互联网接入方式。1专线接入方式局域网结构比较简单,一般由广域网路由器、网络交换机和多个计算机终端组成。路由器接入市区（县）广域网,实现区（县）气象与市气象局、省气象局间的通信。因此,只要在区（县）气象局局域网中安装一台互联网接入设备,在网络架构中和局域网路由器平级,

西安市空气污染特征及其与气象因子的关系

本文应用西安市2009年12月—2012年12月SO2、NO2和PM10等3种大气污染物监测数据以及同时期的常规气象观测资料,分析了3种污染物的时空分布特征及其与气象因子的关系.结果表明:西安市污染物在季节变化上表现为冷月高、暖月低的分布特征,且不同监测点之间也有细微的差别;3种污染物浓度的变化受多种气象要素变化的影响.

西安市环境空气质量变化特征及其与气象条件的关系

采用2002—2011年大气污染物的现状监测资料以及同期气象观测资料,分析西安市空气污染的时空分布特征及其与气象条件的关系,并探讨空气质量为优及轻微污染以上的天气事件对应的高空典型环流形势,研究污染成因及污染物传输规律。结果表明:西安市污染较为严重的污染物为PM10,较大浓度值出现在冬季采暖期,雨水能对污染物起到有效的湿清除作用,且空气质量状况具有明显的延续性,天气系统具有延续性是造成空气质量延续性的可能原因;逆温的存在,最大混合层高度的降低造成大气层结稳定,风速较小,阻碍空气的对流运动,使污染物在垂直方向上的扩散能力较弱,不利于污染物扩散,易造成环境空气质量下降,引起空气污染的发生。

西安市区PM_(10)质量浓度时空变化特征及与气象条件的关系

以西安市环境监测站1998—2006年大气PM10的监测资料为基础,分析了西安市区PM10污染物质量浓度的特征及与气象要素之间的关系,结果表明:PM10平均质量浓度冬季较大、夏季较小,质量浓度分布以高压开关厂为最高,取暖期污染物排放增加是影响PM10质量浓度的重要因素,PM10质量浓度近年来有降低的趋势,PM10质量浓度变化与降水、风速呈显著负相关。

西安市市区与郊区气象要素对比分析

利用2005—2006年西安国家气象观测站二级站和泾河国家气候观象台的地面气象资料进行了对比分析,两站气象要素有一定的差异,分别反映出了明显的城市气候特点和郊区气候特点。主要表现在西安市市区气温比郊区高,一年中冬、春季温度差异较大,夏、秋季温度差异较小;西安市市区的降水量比郊区多,易产生对流性降水的秋、夏季降水量差异更为明显,冬季降水量基本没有差异;西安市市区的风速比郊区小,郊区的大风出现次数多;西安市郊区的空气相对湿度高于市区,平均高3%～7%;轻雾、大雾日数郊区多于市区。

基于极端梯度提升算法的西安市逐小时PM_(2.5)浓度预报研究

利用西安市2016-2021年逐小时PM_(2.5)浓度监测数据和气象观测数据,基于极端梯度提升机器学习算法模型(extreme Gradient Boosting,XGBoost),选择气象因子和时间因子作为特征变量,对西安市逐小时PM_(2.5)浓度进行预报试验。结果表明:西安市PM_(2.5)浓度与平均气温和能见度显著负相关,冬季PM_(2.5)浓度与相对湿度和露点温度显著正相关,偏东风更易诱发重污染天气。西安市12月底至翌年1月初空气污染频发,但PM_(2.5)浓度总体逐年降低。冬季PM_(2.5)浓度的双峰形日变化最明显,最高值分别出现在凌晨和11时。西安市PM_(2.5)浓度变化存在“周末效应”。模型能够较为真实地反映PM_(2.5)浓度量级和演变趋势的变化,预报值与实况值之间的决定系数为0.77、平均绝对误差为12.79μg·m-3、均方根误差为18.68μg·m-3。模型秋冬季表现较为稳定,预报效果优于春夏季,但对极端峰值存在低估。模型具有较好的可解释性,能见度特征变量的影响最大,露点温度、相对湿度、平均气温和海平面气压等特征变量的重要性依次减弱,时间因子特征变量对模型也有一定影响。与其他统计模型及机器学习模型相比,模型有更高的预报精度和效率。

西安市2006～2015年大气污染物变化特征及与气象条件的关系

采用西安市环境监测站2006~2015年大气主要污染物(SO2、NO2、PM10)的日均浓度观测资料,分析了3种大气主要污染物不同时间尺度的变化规律;同时结合西安地面气象观测资料、高空逆温强度,研究了西安市大气主要污染物(SO2、NO2、PM10)质量浓度与气象条件的关系。结果表明:2006~2015年西安市SO2年平均质量浓度呈缓慢下降趋势,NO2和PM10年平均质量浓度呈逐年缓慢上升的趋势。大气主要污染物质量浓度的季节变化一致,都是夏季低,冬季高。风速和气温与大气主要污染物浓度之间存在着明显的负相关关系,逆温强度和大气主要污染物之间存在正相关关系,降水对大气污染物有明显的清除作用。

西安市森林火险特征分析与等级预报算法改进

利用2014—2021年西安市逐日气象要素和同期的森林火灾资料,对西安市森林火灾特征进行分析;并针对实际情况,将地理特征、人类活动区域、坡度、下垫面可燃物类型、海拔等引入到西安市森林火险等级预报模型中,改进森林火灾气象等级预报算法,提出了西安市森林火险风险综合预报模型。改进后的算法在预测精度和准确度方面均得到提升,同时该模型的预测结果比西安市森林火险气象等级预报模型明显提高,以超过3级为森林火灾危险性预警标准时,可以覆盖约65%的火灾,比改进前提高了25%。本研究对森林火灾的预防和控制具有一定的参考价值。

西安市汽车尾气污染物与气象条件特征分析

基于西安城区与郊区两个环境路边站和区域气象站20162018年观测的逐小时气象、环保和交通监测数据,对西安尾气污染物、机动车流量和气象要素条件进行统计分析。结果表明:1)2016年以来,西安市冬季空气质量指数和主要污染物浓度整体呈逐年下降趋势,治污减霾成效明显。主要尾气污染物浓度月际变化趋势相同,冬季11月到次年1月的浓度均明显高于其他月份的,夏季6月到8月的浓度较低,冬季的约为夏季的2~4倍。西安冬季汽车尾气污染物中,氮氧化物(NOx)、碳氧化物(CO)、碳氢化物(HC)日变化特征相似,但细颗粒物(PM2.5)空间差异大。2)NOx和CO与汽车尾气排放关系密切,每日上午时段二者浓度随车流量增大而增大,车流量整体偏大40%的城区比郊区污染物偏多20%~30%。尾气污染物浓度分布与风频、风速等密切相关:西安城市道路风速较低,风向与汽车尾气污染物的扩散方向基本一致,较高污染浓度通常都出现在主导风向的下风向。城市建筑和道路规划建设中,要保留足够的“城市通风廊道”。3)西安尾气污染物浓度不存在明显的“周末效应”,城区站NOx浓度无明显起伏变化,郊区站道路环境中的NOx浓度受柴油车通行量影响较大,说明重型车可能对污染的影响更大。4)降水对污染物稀释沉降效果明显,对NOx作用不明显。前期超过60%以上的相对湿度是降水开始前出现颗粒物小时最大增幅超过200μg/m^3的有利条件,高湿环境是重污染天气过程颗粒物暴发式增长的有利气象条件,因此静风或小风大气环境下,通过水雾“高射炮式”播撒方式增加低层湿度并非是沉降稀释颗粒物的有效方法。

气象因子对大气污染物浓度扩散影响研究

随着经济和城市化的不断发展,环境污染已成为全球面临的重要问题。其中,大气污染是影响人们身体健康和生活质量的主要因素之一,文章旨在探究气象因素对大气污染物浓度扩散的影响。以西安地区2022年的大气污染物浓度数据为基础,分析研究区域的污染物浓度变化特征,利用气象学和数据分析技术,通过分析三种气象要素(温度、风速、相对湿度)分析气象因子对大气污染物浓度扩散的影响。此次研究为后续类似研究提供了参考和借鉴,对于深入探究大气污染物扩散机理,制定有效的环保政策具有一定的指导意义。

西安市PM_(10)浓度特征及气象因子影响分析

利用2011—2015年西安市城区PM_(10)浓度逐日资料及气象逐日观测数据,分析西安市PM_(10)浓度的年、季变化特征,并探讨气温与PM_(10)浓度的相关性及冬夏季节气温对PM_(10)浓度影响的阈值,不同等级、形态的降水对PM_(10)浓度的清除率,以及冬春季节风速对PM_(10)浓度的影响。结果表明:2011—2015年,西安市PM_(10)浓度变化较平稳,仅2013年出现骤增,高温、少雨、风速小等不利气象条件是导致2013年PM_(10)浓度剧增的主要原因。PM_(10)浓度有明显的季节性变化,PM_(10)大气污染主要发生在春冬季节,污染物分别以沙尘和煤烟为主。PM_(10)浓度与气温并非是简单的线性关系,夏季、冬季气温阈值分别为29℃和-1℃,低于阈值时二者呈正相关,高于阈值时则呈负相关。PM_(10)浓度与降水量成反比,但降水对PM_(10)的清除率永远不等于1;同一形态的降水清除能力与其量级呈正相关,同等级的固态降水比液态降水对PM_(10)的清除率高;一次降水过程中,PM_(10)浓度最低值往往出现在日降水峰值的次日;连续性降水过程中,PM_(10)浓度随着降水量自峰值的减弱而升高,当降水量再次增大时PM_(10)浓度便再次降低;间断性降水过程中,降水一旦停止,PM_(10)浓度将会有一定程度的升高,并有可能高于降水前的浓度值。春季大风沙尘天气易造成PM_(10)浓度增高,冬季PM_(10)浓度与风速呈明显反比关系。

西安市暴雨预警信号1 h标准本地化修订研究

利用1991—2021年西安市7个国家级地面气象站及2011—2021年西安市157个区域气象观测站逐小时降水数据,采用滑动累加的算法构建1 h、3 h、6 h、12 h不同时间间隔降雨量数据集。对上级推荐的关中地区暴雨预警信号1 h降雨量阈值参考标准在西安的适用性进行了讨论,并利用百分位法,结合西安暴雨灾害风险普查中短历时降水不同历史重现期数据成果,同时考虑西安城市排涝能力,在关中地区暴雨1 h标准参考阈值基础上,提出2种西安市暴雨预警信号1 h标准本地化备选修订方案。利用2015—2021年西安市气象观测站逐小时降水数据,分别对上级推荐及2个备选1 h雨量标准修订方案中,符合不同等级暴雨预警信号标准的降雨过程进行统计评估,得到西安市暴雨预警信号1 h新标准,并开展对外模拟试点发布,取得良好的服务效果。

西安市近62年冬季冷暖时空变化特征分析

应用1960年12月~2022年2月西安市6个国家气象站和1个区域气象站的气温、降水数据,对县区冬季平均气温求气候标准差,并确定冷暖冬阈值,判定西安市区域冷暖冬及各区县单站冷暖冬。采用距平、线性、相关性等方法,分析西安市冬季平均气温及冷暖冬气候特征。结论显示:西安市近62年冬季气温变化趋势与全国研究结果一致,冬季平均气温距平以0.35℃/10a的趋势上升,且为明显的阶段性变化,2015年至今为暖期,强冷冬主要发生在20世纪60~70年代,强暖冬主要发生在21世纪;周至县、市区冷冬发生频次较高,蓝田县、高陵区暖冬发生频次较高;西安市冬季气温变化一致型占比30.6%,前后相反型占比59.7%,冷暖交替型占比9.7%;冬季平均气温与气温要素均呈正相关,与降水要素多成负相关;年、春季、秋季、汛期平均气温对冬季气温具有明显的指示性意义;21世纪以来,各区县冷暖冬时间重合度较高,说明区域尺度上的冷暖冬事件的出现是大范围气候状态的反应。

基于小时数据的西安市汛期降水的精细化特征分析

利用西安市91个国家站和区域自动站2016—2021年5—10月小时降水数据,分析了西安市汛期降水变化特征和短时强降水时空分布特征。结果表明:(1)降水量、降水频次空间分布主要表现为东、西两头高,中间从南到北递减的特征,降水强度则呈现几乎相反的分布特征;西安市8月降水强度最大,9月降水量和降水频次最大。(2)降水量、降水频次呈现出清晨至上午的单峰型峰值位相日变化特征;降水强度表现为夜间和清晨的双峰型峰值位相日变化特征;降水量峰值与降水频次相关度更高。(3)临潼、西安市主城区、鄠邑、周至具有较一致的降水量和降水频次峰值位相,降水量峰值主要来自降水频次的贡献;阎良、高陵降水量和雨强的峰值位相一致,降水量峰值主要来自雨强的贡献;位于北部区域的阎良、高陵、临潼的站点雨强峰值位相基本出现在夜间到凌晨,数量明显多于南部区县。(4)蓝田、临潼东部、鄠邑等地短时强降水偏多,周至、长安、西安市主城区、高陵、阎良短时强降水偏少;西安市短时强降水主要出现在7—8月,其中又以7月下旬至8月上旬为最多;14:00至22:00、05:00至06:00是短时强降水发生的活跃时段,其中20:00—22:00、06:00是短时强降水高发时段,最大雨强达到97.8 mm/h。

气象条件对西安市区及周边污染影响分析

在环境污染日益严重的形势下,研究气象条件与大气污染的关系,以期为环境气象决策服务提供更好的思路。基于2010-2015年西安市区、长安区、临潼区气象观测资料及同期PM_(10)浓度和空气质量等级数据,探讨PM_(10)浓度年、季、月变化,以及污染天气下的气象要素特征,四季气温对PM_(10)浓度影响的阈值,不同等级、不同形态的降水对PM_(10)浓度的清除率,风速、风向对PM_(10)浓度的影响等。结果显示:近6aPM_(10)浓度缓慢上升,2013年PM_(10)浓度骤增与不利的气象条件关系密切;春季污染主要贡献为外来沙尘输送;冬季污染主要贡献为不利于污染扩散的气象条件;四季PM_(10)浓度与气温关系复杂;PM_(10)浓度最低值出现在降水峰值次日;连续性降水中PM_(10)浓度与降水量反比明显;间断性降水中,降水停止时PM_(10)浓度可能高于降水前的值;降水对西安市区的清除能力最大;春季大风沙尘造成PM_(10)浓度增高,冬季低风速不利于PM_(10)扩散;长安区盛行东南风、临潼区盛行东北风时易形成空气污染,二者下风方向为西安市区,加大了西安市区污染物堆积。

西安市旅游气象舒适度分析与应用

基于2007—2014年西安地区兵马俑、翠华山等7个旅游景点区域自动气象站观测资料,分析西安景区的旅游气象条件,应用本地化的人体舒适度指数预报方法对西安景区旅游气象舒适度进行了评价。结果表明：西安旅游景区气温冬季气温较低,月平均气温低于5℃,夏季气温较高,月平均气温大都高于20℃;人文景区气温高于自然景区。冬半年的相对湿度低于夏半年,7—10月相对湿度较高;大部分自然景区相对湿度高于人文景区。风速整体较小,月平均风速为0.2-1.1m/s,全年风速变化不大。（2）4—10月为西安的旅游气候舒适期,其中,4—5、9—10月是平原人文景区最佳游览时期,6—10月是山岳自然景区旅游的最佳时期。

2018年西安市鄠邑区葡萄生长气象条件分析

本文通过对正常年份(2016年)和欠产年份(2018年)葡萄生长期气象条件进行对比分析,找出影响葡萄生长的气象因素,以便有针对性地采取措施,合理安排农业生产,为西安市鄠邑区葡萄生产提供参考。

西安观测站长序列气温资料缺测记录插补和非均一性检验

以西安观测站1971-2013年日平均气温、最高气温和最低气温序列为研究对象,利用标准序列法和多元线性回归法进行插补实验,计算插补值与实测值的平均误差、平均绝对误差、均方根误差和插补值与实测值误差在0.5℃以内的样本比例,对比分析两种插值方法的相对优劣。结果表明:多元线性回归法插补得到的气温序列效果好于标准序列法,并且气候趋势特征与实际观测值序列更具一致性。采用t检验法、惩罚最大T检验(PMTT)、惩罚最大F检验(PMFT)对西安站1951-2020年平均气温序列的均一性进行检验。依据台站历史沿革数据进行的t检验,在6次台站历史沿革变化中,只有2次造成了年平均气温和年平均最高气温序列间断,分别由观测时次增加和仪器换型导致;年平均最低气温有4次出现间断,分别由台站站址迁移、观测时次增加、仪器换型、缺测值插补造成。PMTT和PMFT检测中发现的4次间断点因无元数据支持,认为属于合理间断点,这2种方法均未检测出因缺测值插补引起的间断点,一定程度上说明采用多元线性回归法对缺测值插补得到的西安站1951-2020年气温序列相对合理,气温序列的均一性较好。

普兰县白青稞蚜虫生消的气象条件分析

为了研究气象条件对普兰县白青稞蚜虫生消的影响,利用1996-2021年蚜虫观测资料及与其对应的气象资料,采用相关分析方法,研究白青稞蚜虫生消变化及其与气象条件之间的相关性。结果表明:普兰县白青稞蚜虫的发生发展主要与前期气温、降水和空气湿度等因子有关。白青稞蚜虫百株500头蚜量初日与6月中旬-7月中旬平均气温、5-6月平均最高气温呈显著负相关,与5-6月降水量呈显著正相关。蚜虫高峰日期与7月平均气温、6-7月平均最高气温呈显著负相关,与5-6月空气相对湿度呈显著正相关。白青稞蚜虫虫口密度与6-8月平均气温、7-8月平均最低气温呈显著正相关,与6-7月降水量和空气相对湿度呈显著负相关。热量和水分条件是影响白青稞蚜虫生消的关键气象要素,热量(气温)对蚜虫的发生发展具有正相关同步协同作用,而水分因子(降水、湿度)具有负相关反向抑制作用。分析结果可为西藏白青稞灭虫防灾和虫情预测预报奠定基础。